二次奖罚学习自动机

研究了奖罚型学习自动机的一种非线性强化算法。与线性的奖罚模型（ＬＲＰ）不同,新模型的行动选择概率的更新函数为二次的。这使得该模型的学习性能优于ＬＲＰ,且对不同的环境,其具有不同的行为和特点。     

一种通过积累教训来实现学习的随机自动机

本文提出了一种新颖的学习自动机模型。其内部结构直接由它过去所受惩罚的积累信息来确定。研究结果表明，该算法是权宜的，且具有优于ＬＩＰ、相当于ＬＲＰ的学习性能。     

水下运载体导航技术

本文第一部分综合了国外近几十年根据不同需求形成的多种水下导航技术,论述了面上导航信息利用水声技术向水下转化的多种形式以及利用不同地球物理参数与地理位置相关性导航的各自特点与问题,论述了在测绘海底地形、重力与其它地球物理特性及其变化时在传感器层面和任务层面融而为一所形成的独具水下特色的同步定位与建图(Simultaneous Localization and Mapping,SLAM)导航技术,论述了NavLab作为一个通用工具软件在水下导航系统研发、精度分析以及作业前导航功能规划和导航信息事后处理方面的独特作用。本文第二部分以极具代表性的挪威HUGIN AUV系列产品军民两用为实例,根据任务和导航功能需求,从其“导航工具箱”(ToolBox)选择适用手段,给出典型任务对应的导航方式和传感器。文章结束部分给出了基于先进人工智能技术的未来展望。     

迈向智能数控系统的需求与展望

对数控系统的发展历史及现状进行了分析,重点从组成结构、驱动特点、工艺方法及功能等方面总结了不同发展阶段的体征。随着PC及开放体系结构的影响,数控系统呈现百花齐放的发展。数字化、网络化到智能化成为智能制造发展的共识,数控系统从诞生开始就走着数字化的道路,现场总线、实时以太网及工业互联网技术不仅使数控系统自身,而且与外界实现网络化互联。在分析数控机床智能化需求的基础上,对国内外智能化数控系统的技术路线和实现案例进行了剖析,指出了发展智能数控系统的关键技术。     

智能化航空飞行控制技术的发展

随着航空器飞行环境的日益复杂,对航空器的任务性能需求也不断提升。为了应对飞行安全压力增大、驾驶员操纵负荷增加等问题,从航空飞行控制所面临的问题着手,对人工智能、航空飞行控制的发展历程和后续发展趋势进行初步的探讨。首先,对国内外人工智能技术以及智能化航空飞行控制技术的发展进行简要介绍及分析;然后,结合技术发展趋势对未来智能化航空飞行控制技术的发展趋势进行初步分析;最后,提出了目前航空飞行控制技术智能化发展的初步思路,为后续该领域技术的发展提供参考。     

复杂电磁环境下频谱智能管控技术探讨

作为国土空间的重要组成,电磁频谱空间呈现出环境错综复杂、目标类型多样、用频行为多变等新挑战,导致频谱安全问题日益严峻。面向复杂电磁环境下频谱秩序安全、频谱对抗安全和频谱共享安全等需求,基于人工智能的频谱管控成为电磁频谱领域的重要研究方向,存在着具有挑战性的基础理论问题和关键技术难题。首先,调研了复杂电磁环境下频谱智能管控的国家战略需求,然后,提炼了智能频谱管控的科学意义与技术挑战,进一步从频谱管控模型机理、频谱态势感知、频谱行为推理、频谱安全决策和频谱管控应用系统等5个方面梳理国内外研究现状,并分析了相关发展动态及研究趋势。     

IDSS中数据仓库和数据挖掘的研究与实现

讨论了数据仓库、数据库知识发现和分布式对象的概念和技术,提出了一种集成化的IDSS(Intelligence Decision Support Systems)的开发环境,将传统的DSS四库结构与数据仓库相结合,把数据挖掘作为一种特殊的模型应用于数据库中的知识发现.同时,在系统实现上采用分布式对象技术,实现接口规范和应用程序相分离.最后进一步对数据仓库的设计与实现及数据库知识发现的设计与实现进行了介绍.     

基于知识推理的航天器自主故障诊断方法

面向深空探测这类型号任务,提出一种基于知识推理的航天器自主故障诊断的智能方法,采取直接线性存储的知识库结构、主动监测事实更新并触发推理以及基于散列算法的事实管理三项关键技术,适用于航天器硬件处理能力和存储容量受限的应用环境.采用C语言在基于TSC695处理器的嵌入式系统上实现了该故障诊断方法,实验的结果表明该方法有效.     

应用于电机轴承和不对中复合故障的RNN诊断方法

提出一种基于伺服电机转速信号的轴承和不对中复合故障的故障诊断方法。首先,探讨了复合故障励磁引起的电机转速变化,分析了通过转速法实现复合故障诊断的理论可行性。实验表明,复合故障中轴承等微弱故障信号的检测容易受到不匹配安装故障的干扰,这将使传统的诊断算法失效。将预处理后的速度信号和通过FFT得到的信号分别通过循环神经网络（Recurrent neural network,RNN）,将输入的时域特征和频域特征融合在一起,作为故障分类的基础。这种时频域特征复合RNN模型（Time-frequency feature compound-RNN,TFFC-RNN）对不对中故障干扰下的轴承故障和正常信号的分类准确率可达90%以上。最后,研究了各RNN变体对于模型准确率的影响。实验结果表明利用门控循环单元进行频域部分的特征提取,模型的诊断正确率最高。